随着中国经济的不断发展,中国的金融市场也在迅速发展壮大。本文通过研究中国各金融市场之间的联动关系,以中国股票市场为核心,挖掘债券市场利率波动与汇率市场的制度变化对股票市场的影响。本文还引入波动率套利因子（BAV）研究了中国股市低风险效应的来源,并通过引入在险价值的边际策略降低投资风险。首先,本文从计量的角度来验证股票市场和债券市场的联动关系。并提出了一种半参数乘法波动率模型,同时基于B样条方法,建立了非参数估计量的收敛速度和渐近正态性,还推导了其一致置信带的相关性质。最后本文通过实证研究验证了沪深300指数的收益率波动受信用利差组成的回归因子的影响。且10年期国开债和10年期国债之间的信用利差,对沪深300指数的收益率影响最大。在文章的第二部分,本文通过结合马尔科夫机制转换模型的建模理论和多元时间序列分析模型VAR,应用到宏观经济变量汇率与金融变量股票价格的分析研究中去,联合考虑经济金融市场的动态结构。并重点从两者的联动关系出发,探讨不同状态下汇率市场与股票市场的动态联系。从而为解决具有结构性突变、参数时变性,以及其他具有机制转换特征的经济金融实际问题提供一个新的分析角度,并通过实证分析获得汇股两市有意义的联动结论。本文发现每次发生状态转移,总是汇率市场或者股票市场遭受巨大的外界冲击,如政策性冲击或金融危机等。股市处于牛市将会导致人民币升值速度减缓,股市处于熊市或低风险低收益的情形时,汇市与股市之间并不存在显著的引导或延迟关系。本文结论也在2020-2022年的金融市场走向得到了很好的验证,提供了一个认识中国股汇两市及其联动关系的规律的全新视角。为了研究中国股市低风险效应的来源,本文第三部分将Beta套利因子BAB分解为两个因子:波动率套利因子BAV和相关性套利因子BAC。结合中国股票市场数据,以十二个月为移动窗口,基于日对数收益率估计波动率和相关系数构造BAV因子投资组合获得了显著的超额收益。此外本文研究发现BAV因子是中国股市低风险效应的主要来源,且它与行为因素密切相关,说明了特质风险是中国股市低风险异象的主要来源。最后,本文还基于波动构造了 SMAX因子,用以捕捉短期的博彩偏好,发现该因子所构造的投资组合也获得了显著的超额收益,说明了中国股市低风险效应也与博彩偏好相关。本文的最后一部分则是在固定比例投资组合保险策略的框架中引入了各种边际条件,给出了基于在险价值的边际策略M—CPPI。我们将成交量拆分成可预测和不可预测两个部分,并将可预测的成交量变动率引入到了风险资产的价格波动模型,同时将风险资产实际波动超过在险价值的部分作为边际增量,来实现对策略安全底线（FLOOR）的动态调整。同时把我们的策略应用于沪深300指数实证研究,将沪深300指数日收盘价序列依次拆分成24个不同的时间段,以3年为周期,演算出各策略下组合资产的价格演路径,结果显示扩展后的M-CPPI策略要明显优于标准CPPI策略。该策略的改进,使得我们可以重新审视避险类理财产品可行的设计路径,以期避免保本、避险类基金在运行过程中广受诟病的缺口风险,同时减缓策略运行过程中可能出现的现金锁定风险。